u++の備忘録

出典：ORICON NewsAlphaGo Zeroで話題になった強化学習の復習として、Q-learningで、ダチョウ倶楽部の「熱湯風呂」ができるAIを育成してみました。 目的 設計と学習 検証 GitHub 目的 "押すなよ"を与えられた際には押さず(stay)、"絶対に押すなよ"を与えられた際には押す(push)ように育成 直接if文で書き込めば一発だが、…